今天分享的是AI系列深度研究报告:《AI专题:重新思考对 AI 能源使用的担忧》。
(报告出品方:数据创新中心)
报告共计:22页
关于 AI 的能量使用和碳排放的事实
准确估算 AI 的能源使用和碳排放 系统在其生命周期中具有挑战性 , 因为这些计算取决于许多复杂的因素 , 包括有关芯片的详细信息 , 冷却使用的系统、数据中心设计、软件、工作负载和能源用于发电。这个问题不是 AI 独有的。作为一组 能源研究人员在一篇文章中描述了这个问题Annual 能源与环境回顾:
然而 , 一些研究试图量化当前和未来的 人工智能系统的能源需求和碳排放。不幸的是 , 一些最初的估计已经陷入了与过去早期研究相同的陷阱 关于数字技术的能源使用 , 并产生了误导 估计。这些研究通常考虑 AI 所需的能量 系统在其生命周期中分为两个阶段 : 1) 训练 AI 模型 ; 以及 2) 使用 AI 模型来响应特定的查询 - 这个过程称为 “推理 ” 。
训练 AI 模型
约 1, 438 磅二氧化碳 (CO2) 在 79 小时的 使用 64 个高级图形处理单元 (GPU) 、芯片进行培训 通常用于训练 AI 模型 , 因为它们具有优越的并行性 处理能力。从这个角度来看 , 往返航班从纽约到旧金山可产生约 2, 000 磅的 CO2 每位乘客的排放量。研究人员还估算了碳 用于训练用于神经架构搜索 (NAS) 的 AI 模型的发射 自动寻找一个或多个神经网络的技术 给定任务的体系结构 - 计算最复杂的体系结构之一 机器学习中的问题。具体来说 , 他们评估了能量 使用 NAS 来创建更好的英语 - 德语机器翻译模型。研究人员估计 , 训练模型问题产生了 626, 155 磅的 CO2排放量 (大致相当于 从东海岸到西海岸的 300 个往返航班)